Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Ant-Group · pașaport de model

Ring Flash 2.0

ring-flash-2-0

Ponderi deschise
Licență MIT
102.9B parametri
Lansat 2025-09-19(repo HF creat)

General · LMArena: 1,323#236 din 396
Cea mai bună percentilă: 66.0LiveCodeBench (Artificial Analysis)
Poziția în cohortă: 50.8mediană 52.6

Ce spun datele

Evaluat pe 7 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 25,3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 66 pct pe LiveCodeBench (Artificial Analysis) față de 40.7 pct pe General.

LiveCodeBench (Artificial Analysis)66 pct62.8%Verifică →
MMLU-Pro (Artificial Analysis)64 pct79.3%Verifică →
Programare48.3 pct1,390Verifică →
IFBench (Artificial Analysis)48.1 pct43.3%Verifică →
Prompturi dificile46 pct1,352Verifică →
Urmarea instrucțiunilor44.7 pct1,316Verifică →
General40.7 pct1,323Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

RepositoryinclusionAI/Ring-flash-2.0

Parametri102.9B

ArhitecturăBailingMoeV2ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "inclusionAI/Ring-flash-2.0"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

ring-flash-2.0 stands at 50.8 (raw mean 51.1) — measured on 7 of 27 axes.
pozițieșablonVerifică →
ring-flash-2.0 stands at 50.8 versus a cohort median of 52.6 across 147 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →